基于大数据的食品安全事件舆情预警体系建设.docxVIP

基于大数据的食品安全事件舆情预警体系建设 摘要：在本文中，笔者运用马尔科夫模型理论，建立基于微博的食品安全事件舆情热度预测模型，并以“三全猪瘟水饺”事件的微博舆情数据验证了监测指标体系和预测模型的可行性和准确性。由于马尔科夫链预测食品安全事件舆情热度发展趋势的准确率高，但需立足于舆情监测发展面临的问题，才能促进食品安全事件舆情监测系统升级成为预警系统。本研究从食品安全事件大数据库的建设、舆情预案数据库的完善以及预警系统各环节运作的协调一致等方面来着手构建新一代食品安全事件舆情预警体系，以把握食品安全风险治理的主动权。 1 引言中国是世界上人口众多的国家，而食品安全是最重要的民生问题。2019年，中共中央国务院出台《关于深化改革加强食品安全工作的意见》,意见提出确保食品安全必须遵循“四个最严”的要求，为食品安全的治理及预防风险打下了坚实的基础。此后，我国在食品安全的治理与风险防范方面取得了一定的成绩。但当前我国食品安全形势依然严峻，与新时代人民群众对美好生活的需求存在一定的差距。若频发食品安全事件，则常常会给社会造成极大的冲击，极易点燃大众的情绪，暴发不良舆情事故。食品安全网络舆情是公众和媒体参与食品安全监管的重要平台，若不加以科学的监督与引导，将对社会心理行为产生消极的影响，不利于食品产业的健康发展，甚至会威胁到社会的稳定因此，近年来食品安全舆情引起了学界广泛关注与热议，学者们试着从不同的角度对其进行了研究，并取得了一定的成果。如：有学者研究了食品安全事件网络舆情中的网民行为综合目前已有的食品安全网络舆情的相关研究来看，分为两个方面：一方面主要从网民、媒体、信息等舆情构成要素以及从舆情传播的生命周期、关键节点与舆情热度等方面对食品安全舆情展开研究；另一方面主要以微博、微信等自媒体为载体对公众的传播手段，了解公众对食品安全事件的态度、意见、情绪等提供了便利的条件和渠道，微博、微信等自媒体平台已经成为重要的食品舆情的信息源。尤其是微博，以其便利的交流模式与核裂变式的传播形态成为公众获取社会最大信息源之一，微博在食品舆情信息来源中占比最高基于现有研究，本研究首先以微博为例，运用层次分析法建立食品安全事件舆情热度监测指标体系，然后基于马尔科夫链构建食品安全事件舆情热度预测模型，并选取实际案例进行实证检验。就食品安全事件舆情监测发展现状与面临的问题，探讨食品安全事件舆情预警体系构建的思路与方略，以期能为政府和企业对食品安全事件舆情管控提供新的视角与方法，为食品安全风险治理提供借鉴。2 监测指标体系构建2.1 建立层次结构模型舆情热度是对事件发展及走势的综合判断，食品安全事件舆情融入了群体的能动性，舆情热度反映公众对食品安全事件的多种情绪、态度和意愿，对食品安全事件舆情的监测关键是对舆情热度的监测。食品安全事件舆情热度监测是一个多目标、多层次、多功能的综合评价对象，为能更好地反映其综合情况，应构建层次清晰、结构合理的指标体系。目前，层次分析法(AHP)是网络舆情定量研究中最常见的一种方法。AHP是一种灵活、实用而又简便的层次权重决策分析方法。对于研究难以完全定量的复杂系统问题，AHP可利用较少的定量信息将思维判断定量化，将复杂且非结构的情况系统化。因此，本研究引入层次分析法建立食品安全事件舆情热度监测指标体系。食品安全事件舆情热度变化趋势取决于事件被关注的程度及传播的广度。对于食品安全事件微博舆情热度监测指标体系，运用层次分析模型将其分为三层：最高层为目标层，即要解决的问题——合理评估食品安全事件微博舆情热度监测指标体系；中间层涉及目标实现的中间环节，是为实现目标所考虑的因素，即反映事件微博舆情热度的两大主要监测指标——聚焦度和扩散度；最低层是反映两大监测指标的基础数据层，包括评论数、点赞数、转发数。所建立的食品安全事件微博舆情热度监测指标体系层次结构如图1所示。聚焦度指食品安全事件受关注的程度，即受众对事件的关注程度。在特定事件中，参与讨论和表达的受众越多，则表示该事件的话题效应越强，受众对事件的聚焦度越高。在微博的三项基本数据指标中，主要反映事件聚焦度的是评论数。而点赞数相当于受众对该微博所传播信息发表“支持”、“同意”一类的评论，也是受众对事件的舆情表达。因此，除了受众对事件相关信息的评论数，点赞数在一定程度上也影响着聚焦度指标。扩散度指食品安全事件在受众中传播的广度。微博具有较高的互动性，其裂变式传播模式能产生极强的放大效应，从而使事件信息呈现出几何级数的扩散态势，影响着成千上万的围观群众。博主的话语权越强，所发布信息的影响力辐射范围也就越广，他们在事件的发酵、扩散中起到重要的推动作用。转发数被认为是微博传播效应的主要影响指标2.2 计算指标权重本研究将层次分析法和德尔菲